Professional Documents
Culture Documents
INDICE
UNIDAD I: FUNDAMENTOS DE ESTADSTICA
1.
2.
3.
4.
5.
6.
7.
8.
9.
INTRODUCCIN ................................................................................ 1
OBJETIVOS ........................................................................................... 1
LOS PROCESOS INDUSTRIALES Y LA CALIDAD ...................... 1
LOS COSTOS DE LA CALIDAD ....................................................... 3
FUNDAMENTOS DE ESTADSTICA............................................... 5
5.1. Principios Bsicos De La Estadstica ...................................... 5
5.1.1. Resumen Numrico De Los Datos ............................ 8
5.1.2. El promedio muestral. ................................................ 8
5.1.3. La desviacin estndar muestral. .............................. 9
5.1.4. Presentacin Grfica De Los Datos ......................... 12
5.1.5. Construccin De Un Histograma De Frecuencias 13
5.1.6. Resumen Numrico De Un Histograma ................ 17
EJERCICIOS PROPUESTOS ............................................................. 21
6.1. Ejercicio 1 ............................................................................... 21
6.2. Ejercicio 2 ............................................................................... 22
6.3. Ejercicio 3 ............................................................................... 23
6.4. Ejercicio 4 ............................................................................... 23
6.5. Ejercicio 5 ............................................................................... 24
PREGUNTAS DE AUTOCOMPROBACIN ................................ 25
RESPUESTAS AL CUESTIONARIO ............................................... 26
REFERENCIAS ................................................................................... 26
4.
INTRODUCCIN .............................................................................. 28
OBJETIVOS ......................................................................................... 28
DISTRIBUCIONES DE PROBABILIDAD ....................................... 28
3.1. Experimento De Bernoulli ................................................... 31
3.2. Combinatoria ......................................................................... 31
DISTRIBUCIONES DISCRETAS IMPORTANTES........................ 33
4.1. Distribucin Binomial .......................................................... 33
4.1.1. Fundamento. .............................................................. 33
4.1.2. El modelo. ................................................................... 34
4.1.3. Ejemplo. ...................................................................... 34
4.1.4. Aplicacin. .................................................................. 35
4.1.5. Representacin grfica. ............................................. 35
4.2. Distribucin Hipergeomtrica ............................................ 36
4.2.1. Fundamento. .............................................................. 36
4.2.2. El modelo. ................................................................... 36
4.2.3. Ejemplo. ...................................................................... 37
4.2.4. Aplicacin. .................................................................. 37
4.2.5. Representacin grfica. ............................................. 37
4.3.
5.
6.
7.
8.
9.
6.
7.
8.
INTRODUCCION .............................................................................. 84
OBJETIVOS ......................................................................................... 84
LOS DIAGRAMAS DE CONTROL POR VARIABLES ................ 84
USO DE LOS DIAGRAMAS DE CONTROL ................................. 86
4.1. Diagramas De Promedio Y Rango ..................................... 86
4.2. Diagramas De Mediana Y Rango ......................................... 93
4.3. Diagramas De Individuales Y Rango .................................. 97
5. DESARROLLO DE LOS DIAGRAMAS DE CONTROL ............ 100
5.1. Diagramas De Promedio Y Rango ...................................... 100
5.1.1. Seleccin de la caracterstica de calidad a medir. 101
5.1.2. Desarrollo de un formato de tabulacin y grfica.101
5.1.3. Toma de muestras y registro de datos.................. 101
5.1.4. Clculo de los promedios de las muestras. .......... 102
5.1.5. Clculo del promedio de los promedios. ............. 102
5.1.6. Clculo de los rangos de las muestras. ................. 103
5.1.7. Clculo del promedio de los rangos. .................... 103
5.1.8. Determinacin de las escalas para los grficos. .. 103
5.1.9. Grfica de los puntos. ............................................. 104
5.1.10. Determinacin de los lmites de control para
los rangos. ............................................................................... 104
5.1.11. Revisin de si los rangos quedaron bajo control. 105
5.1.12. Determinacin de los lmites de control para los
promedios. .............................................................................. 107
5.1.13. Revisin de si los promedios quedaron
bajo control. ............................................................................ 107
5.2. Diagramas De Mediana Y Rango ..................................... 109
5.3. Diagramas De Individuales Y Rango .............................. 110
6. CRITERIOS PARA OPTAR ENTRE LOS DIFERENTES
DIAGRAMAS DE CONTROL POR VARIABLES .............................. 110
6.1. Diagrama De Promedio Y Rango ..................................... 110
6.2. Diagrama De Mediana Y Rango ....................................... 110
6.3. Diagrama De Individuales Y Rango ................................ 111
7. EJERCICIO PROPUESTO ............................................................... 111
8. PREGUNTAS DE AUTOCOMPROBACIN .............................. 112
9. RESPUESTAS AL CUESTIONARIO ............................................. 112
10. REFERENCIAS ................................................................................. 113
UNIDAD I
FUNDAMENTOS DE ESTADSTICA
1. INTRODUCCIN
Cuando vemos por televisin un partido de ftbol, al final del partido
siempre salen las estadsticas que nos cuentan cuntas veces pate cada
equipo al arco, cuntas tarjetas amarillas y rojas sac el rbitro, o cuntos
goles fallaron los delanteros de nuestra querida seleccin.
En realidad, lo que nos estn presentando es una recopilacin de datos. Pero,
la estadstica va ms all de una simple recopilacin de datos; la estadstica,
adems, se ocupa de observar la tendencia que siguen los datos recopilados
y analizar si la tendencia seguida es normal.
Las tcnicas estadsticas pueden, de esta manera, aplicarse a los procesos
industriales, a fin de asegurar el adecuado curso de los mismos, dentro de
ciertas especificaciones tcnicas y con ayuda de ciertas herramientas de la
calidad.
2. OBJETIVOS
Relacionar los conceptos de Calidad, Control de Procesos y Control
Estadstico.
Manejar adecuadamente medidas bsicas de Tendencia Central y de
Dispersin para un conjunto de datos numricos.
Utilizar herramientas bsicas de estadstica y calidad como son la
Distribucin de Frecuencias y el Histograma de Frecuencias.
A comienzos de este siglo XXI guarda an absoluta validez aquella frase que
a fines del siglo XIX enunciara Lord Kelvini: cuando es posible medir algo,
se sabe de qu se est hablando. Esto viene a colacin, pues la manera que
el Control Estadstico de los Procesos intenta asegurar el curso adecuado de
los procesos es cuantificando alguna caracterstica de calidad.
El concepto de calidad asociado al contexto antes mencionado es el que
compara el producto obtenido con relacin a su diseo y que es denominado
calidad de conformacin. Si bien se puede hablar de calidad de
conformacin en la recepcin de la materia prima, en el procesamiento de los
materiales y en la obtencin del producto final, en el presente curso nos
centraremos en los procesos de transformacin de los materiales, ya que es
aqu donde de manera interna una empresa puede lograr una importante
ventaja competitiva de aplicar adecuadamente la tcnica estadstica ms
adecuada al reducir sus costos de produccin, principalmente por poder
identificar y corregir desviaciones, de tal forma que se pueda tener el
proceso bajo control.
Slo sabremos si un proceso est bajo control insistimos si cuantificamos
alguna caracterstica de calidad. Pero, cmo identificar una caracterstica de
calidad? Comencemos por diferenciar los tipos en los que se puede clasificar
las caractersticas de calidad: variables y atributos.
Una caracterstica de calidad puede considerarse como una variable si es
susceptible de ser medida en una escala continua.
Una caracterstica de calidad puede considerarse como un atributo si no es
susceptible de ser medida en una escala continua, pero permite diferenciar
entre productos defectuosos y no defectuosos.
A fin de aclarar esta clasificacin, pensemos en un tornillo de cabeza
hexagonal. En este tornillo podemos medir el dimetro de la rosca, el largo
del tornillo, las dimensiones de la cabeza, el peso del tornillo; entonces,
pueden considerarse como variables en la calidad del tornillo. Por otro lado,
al preguntarnos est oxidado?, es muy rugoso?, es muy poroso?,
presenta quies?, est doblado?, la respuesta ser s o no, y llevar a
decidir si el tornillo est bien fabricado o est defectuoso (pasa o no pasa);
entonces, la oxidacin, la rugosidad, la porosidad, la quiadura, el doblado
pueden considerarse como atributos en la calidad del tornillo.
Con justa razn, alguien podr inferir: si se trata de cuantificar la calidad,
cmo hacemos con los atributos si stos no se pueden medir?. La respuesta
es por dems sencilla: no podemos medir los atributos, pero podemos por
ejemplo contar cuntos defectos (oxidado + muy rugoso + quiado +
doblado = 4 defectos) presenta un tornillo. O tambin podramos contar cul
es el atributo (defecto) que aparece con mayor frecuencia en un lote de
tornillos.
Pero, no slo el capacitar a nuestro personal nos costar para trabajar con
calidad. Es ms, basta decir que son cuatro las categoras de costos de la
calidad, a saber:
Costos de prevencin
Costos de evaluacin
Costos de fallas internas
Costos de fallas externas
Cuadro N 01
Costos de
Prevencin
Costos de
Evaluacin
Costos de
Fallas internas
Costos de
Fallas externas
Planeacin e
ingeniera de
calidad
Revisin de nuevos
productos
Diseo de
productos y
procesos
Control de
procesos
Supervisin
Capacitacin
Obtencin y
anlisis de datos de
calidad
Inspeccin y
pruebas del
material entrante
Inspeccin y
pruebas del
producto final
Materiales y
servicios
consumidos
Conservacin de
los equipos de
pruebas
Desperdicios
Retrabajos
Reinspeccin
Anlisis de fallas
Prdidas en
produccin
Tiempos muertos
Subvaluacin
Reclamos
Devoluciones
Servicios en
garanta
Indemnizaciones
Costos de
oportunidad
5. FUNDAMENTOS DE ESTADSTICA
5.1. Principios bsicos de la estadstica
Antes que realizar elaborados clculos estadsticos, las tcnicas
estadsticas utilizadas en el control de procesos se apoyan en el uso de
ciertas herramientas de la calidad, las cuales se fundamentan en los
siguientes principios bsicos:
1
no hay dos cosas
exactamente
iguales
6
2
las variaciones son
medibles
PRINCIPIOS
BSICOS EN
ESTADSTICA
la curva normal de
distribucin se
deforma por
causas asignables
5
es conocida la
curva de
distribucin de los
procesos
las variaciones
siguen un patrn
determinado
4
lecturas del mismo
tipo tienden a
agruparse hacia el
centro
Figura N 1
A continuacin, desarrollaremos y trataremos de comprender cada uno
de estos principios bsicos:
Mquinas
Materiales
DIMENSIN
Mtodos
Medio
ambiente
Mano de
obra
Figura N 2
Las medidas se
cargan
a
la
derecha
DISTRIBUCIN
NORMAL
Medidas en dos
grupos diferentes
Figura N 3
5.1.1.
El promedio muestral.
Supongamos que el tamao de una muestra es igual a n, por tanto,
las observaciones en dicha muestra sern:
x1, x2, x3, ... xn-1, xn
El promedio muestral (o media muestral) ser:
x1 + x2 + x3 + ... + xn-1 + xn
x=
n
5.1.3.
(x1 x)2 + (x2 x)2 + (x3 x)2 + ... + (xn-1 x)2 + (xn x)2
n-1
(x1 x)2 + (x2 x)2 + (x3 x)2 + ... + (xn-1 x)2 + (xn x)2
n-1
Figura N 4
Para comprender mejor la diferencia y el significado de tendencia
central y variabilidad, revisemos los siguientes ejemplos:
Ejemplo 1.
De una mquina empacadora de fideos se toma una muestra de 3
bolsas, obtenindose las siguientes lecturas: 451 g., 452g., 453 g.
De otra mquina se toma una muestra de tambin 3 bolsas,
obtenindose las siguientes lecturas: 448 g., 452 g., 456 g.
Hallar el promedio y la desviacin estndar para cada muestra.
Solucin
Muestra 1:
x1 = 451
x2 = 452
x3 = 453
x = (x1 + x2 + x3)/n = (451 + 452 + 453)/3 => . x=452 .
S2 = {(x1 x)2 + (x2 x)2 + (x3 x)2}/(n-1) = {(1)2 + (0)2
+ (1)2}/(2)
S2 = 1 => . S=1 .
Muestra 2:
x1 = 448
x2 = 452
x3 = 456
x = (x1 + x2 + x3)/n = (448 + 452 + 456)/3 => . x=452 .
S2 = {(x1 x)2 + (x2 x)2 + (x3 x)2}/(n-1) = {(4)2 + (0)2
+ (4)2}/(2)
S2 = 16 => . S=4 .
Se puede apreciar que ambas muestras tienen el mismo promedio, a
pesar de tener diferentes desviaciones estndar.
Ejemplo 2.
De una mquina empacadora de fideos se toma una muestra de 3
bolsas, obtenindose las siguientes lecturas: 451 g., 452g., 453 g.
De otra mquina se toma una muestra de tambin 3 bolsas,
obtenindose las siguientes lecturas: 952 g., 953 g., 954 g.
Hallar el promedio y la desviacin estndar para cada muestra.
Solucin
Muestra 1:
x1 = 451
x2 = 452
x3 = 453
x = (x1 + x2 + x3)/n = (451 + 452 + 453)/3 => . x=452 .
S2 = {(x1 x)2 + (x2 x)2 + (x3 x)2}/(n-1) = {(1)2 + (0)2
+ (1)2}/(2)
S2 = 1 => . S=1 .
Muestra 2:
10
x1 = 952
x2 = 953
x3 = 954
x = (x1 + x2 + x3)/n = (952 + 953 + 954)/3 => . x=953 .
S2 = {(x1 x)2 + (x2 x)2 + (x3 x)2}/(n-1) = {(1)2 + (0)2
+ (1)2}/(2)
S2 = 1 => . S=1 .
Se puede apreciar que ambas muestras tienen la misma desviacin
estndar, a pesar de tener diferentes promedios.
Al analizar ambos ejemplos, podemos observar lo siguiente:
-
VARIABILIDAD
TENDENCIA
CENTRAL
Magnitud
Dispersin
Promedio
Desviacin estndar
Figura N 5
11
5.1.4.
12
409
406
409
404
405
406
410
406
405
406
403
407
406
408
403
405
406
405
404
409
408
402
405
406
408
406
405
406
405
406
406
410
406
405
403
405
403
407
406
405
13
Nmero de intervalos
de 5 a 7
de 6 a 10
de 7 a 12
de 10 a 12
14
Cuadro N 03
Distribucin De Frecuencias
intervalo
marca
frecuencia
402
403
404
405
406
407
408
409
410
x
xxxxx
xxx
xxxxxxxxxxxxx
xxxxxxxxxxxxxxxx
xxx
xxxx
xxx
xx
1
5
3
13
16
3
4
3
2
freceuncia
20
15
10
5
410
409
408
407
406
405
404
403
402
0
dimetro (mm)
Figura N 6
EJERCICIO
Una fbrica que est dedicada a la elaboracin de bebidas gaseosas
centra su atencin en una de las lneas de produccin, en donde se
quiere llevar el control del proceso de llenado de las botellas de 1
litro, para lo cual se toma como cero de referencia 960 ml. De esta
manera, los datos recopilados son tales que al sumarles el cero se
obtendr el contenido real de cada botella (20 significa que la botella
contiene 960+20=980 ml; 50 significa que la botella contiene
960+50=1010 ml).
15
44
51
46
37
40
40
39
37
50
51
44
23
43
25
36
58
43
31
33
40
42
33
45
38
48
45
31
39
50
52
57
27
44
44
55
38
45
33
51
43
SOLUCIN
El primer paso para el desarrollo del histograma (recopilacin de
datos) es justamente dato del problema, por lo cual pasaremos a
ejecutar el resto de la secuencia.
16
Distribucin de frecuencias
Intervalo
marca
frecuencia
20-24
25-29
30-34
35-39
40-44
45-49
50-54
55-59
xx
xxxx
xxxxx xx
xxxxx xxx
xxxxx xxxxx
xxx
xxxxx x
xxxxx xx
xxx
2
4
7
8
13
6
7
3
Figura N 7
5.1.6.
17
histograma de
Cmo hacer para individualizar los datos que han sido agrupados
por intervalos?
La respuesta obliga a definir el concepto de marca de clase: la marca
de clase no es otra cosa que el punto medio de cada intervalo, es
decir, el promedio de los lmites de cada intervalo. Lo que se
pretende con la marca de clase es aproximar cada una de las lecturas
de un intervalo a su promedio. Dicho en otras palabras, cada dato se
convierte en su marca de clase, cada lectura se trabaja en funcin a
esta marca de clase.
Pasemos, entonces, a ver cmo calculamos el promedio y la
desviacin estndar a partir de los datos de un histograma.
Tomemos como base el ltimo histograma generado. En l,
regresando a la distribucin de frecuencias, podemos identificar lo
siguiente:
Cuadro N 06
Distribucin de frecuencias
Intervalo
Marca de
Frecuencia
clase
20-24
25-29
30-34
35-39
40-44
45-49
50-54
55-59
22
27
32
37
42
47
52
57
2
4
7
8
13
6
7
3
18
Donde:
f1(x1 x)2 + f2(x2 x)2 + f3(x3 x)2 + ... + fn-1(xn-1 x)2 + fn(xn x)2
n-1
Donde: S2 = varianza aproximada de la muestra
f = frecuencia
m = marca de clase
n = tamao de la muestra
Se sugiere comparar esta ltima frmula con la frmula de varianza
presentada en la pgina 7.
Este ejercicio merece un par de comentarios:
19
Contenido de
Las botellas de 1 litro
resumen numrico del histograma
m f f.m m-x
22 2
44 -18.7
27 4
108 -13.7
32 7
224 -8.7
37 8
296 -3.7
42 13 546
1.3
47 6
282
6.3
52 7
364 11.3
57 3
171 16.3
50 2035
x= 40.7
(m-x)2 f.(m-x)2
349.69
699.38
187.69
750.76
75.69
529.83
13.69
109.52
1.69
21.97
39.69
238.14
127.69
893.83
265.69
797.07
4040.50
2
S = 82.45918
S= 9.08070
Contenido de
Las botellas de 1 litro
resumen numrico de los datos
32
44
26
51
42
46
53
37
36
40
47
40
32
39
41
37
20
50
28
51
x = 40.56 ml
S = 8.96969956 ml
20
44
23
43
25
36
58
43
31
33
40
42
33
45
38
48
45
31
39
50
52
57
27
44
44
55
38
45
33
51
43
EJERCICIOS PROPUESTOS
6.1.
Ejercicio 1
Identifique una operacin o un proceso en la empresa donde usted
labora y encuentre, para ese caso especfico, ejemplos CONCRETOS que
generen costos en calidad para las categoras mencionadas a
continuacin:
Costo de prevencin:
-
Adiestramiento_____________________________________________
___________________________________________________________
Control de procesos_________________________________________
_______________________________________________________________
Supervigilancia_____________________________________________
___________________________________________________________
Costo de evaluacin:________________________________________
_______________________________________________________________
Pruebas en el producto_____________________________________________
_______________________________________________________________
21
Re inspeccin_______________________________________________
___________________________________________________________
Reclamos__________________________________________________
___________________________________________________________
Garantas __________________________________________________
___________________________________________________________
6.2.
Ejercicio 2
Identifique una operacin o un proceso en la empresa donde usted
labora y encuentre, para ese caso especfico, un parmetro importante en
el control de la operacin o el proceso. Complete el diagrama colocando
en las espinas secundarias ejemplos CONCRETOS de causas que
generen problemas dentro de las reas indicadas:
Materiales
Mtodos
Mquinas
Medio
ambiente
Mano de
obra
Figura N 8
22
6.3.
Ejercicio 3
Mencione, para cada caso, dos ejemplos CONCRETOS de causas
asignables que generen la deformacin mostrada en la curva normal de
distribucin de un determinado proceso productivo:
forman
dos
grupos
- ________________________________
- ________________________________
6.4.
Ejercicio 4
Una fbrica de autopartes produce un determinado eje, cuya dimensin
crtica es un dimetro donde deber alojarse un rodamiento. Tras
muestrear 120 de estos ejes se obtuvo la siguiente distribucin de
frecuencias:
Cuadro N 08
Distribucin de frecuencias
Intervalo
Frecuencia
64.980 - 64.984
64.985 - 64.989
64.990 - 64.994
64.995 - 64.999
65.000 - 65.004
65.005 - 65.009
65.010 - 65.014
65.015 - 65.019
7
10
19
23
22
20
13
6
23
Cuadro N 09
EJE #024-0711-1970
DIMETRO PARA RODAMIENTO (mm)
resumen numrico de la distribucin de frecuencias
m
f
f.m
m-x
(m-x)2
f.(m-x)2
200000002 2000 000044 -00018.7 3400009.69 000000699.38
x=
S2=
S=
6.5.
Ejercicio 5
Una fbrica de autopartes produce un determinado eje, cuya dimensin
crtica es un dimetro donde deber alojarse un rodamiento. Tras
muestrear 120 de estos ejes se obtuvo la siguiente distribucin de
frecuencias:
Cuadro N 10
Distribucin de frecuencias
Intervalo
Frecuencia
64.980 - 64.984
64.985 - 64.989
64.990 - 64.994
64.995 - 64.999
65.000 - 65.004
65.005 - 65.009
65.010 - 65.014
65.015 - 65.019
24
7
10
19
23
22
20
13
6
Figura N 9
7.
PREGUNTAS DE AUTOCOMPROBACIN
1. Cmo se relacionan los procesos industriales, la estadstica y la calidad?
2. Cmo se clasifican las caractersticas de la calidad?
3. Cules son las categoras en las que se agrupan los costos de la calidad?
4. Cules son los principios bsicos de la estadstica?
5. Cules son las dos medidas ms importantes que permiten resumir
numricamente un conjunto de datos muestrales?
6. Qu finalidad y qu limitacin tiene un histograma de frecuencias?
25
8.
RESPUESTAS AL CUESTIONARIO
9.
1.
2.
Variables.
Atributos.
3.
De prevencin.
De evaluacin.
De fallas internas.
De fallas externas.
4.
5.
Promedio muestral.
Desviacin estndar muestral.
6.
REFERENCIAS
1. Lord Kelvin (1824 1907). Cientfico britnico, nacido como William
Thomson en Belfast, Irlanda. Desarroll la escala de temperaturas absolutas
que lleva su nombre.
Figura N 10
26
Figura N 11
4. En estadstica existen tambin la mediana y la moda, que son medidas que
permiten cuantificar las deformaciones de la curva normal de distribucin.
27